摘要
过去，LlamaFactory让每个人都能微调大模型； 现在，PenguinHarness希望让每个人都能构建自进化Agent。 LlamaFactory的作者郑耀威最近开源了一个新项目PenguinHarness。这个「企鹅驾驭师」能帮你自动完成Agent的构建、评测和持续改进，真正从「手动调优Agent」迈入「Agent自我迭代」。 PenguinHarness是一个原生支持自我进化的AgentHarness，主打轻量、开源、易用。基于原创的Agent内核，无论是GPT-5.6还是DeepSeekV4，这套框架都能稳稳驾驭。 开源地址：https://github.com/Prism-Shadow/penguin-harness 主页链接：https://penguin.ooo 让Agent自动构建Agent 项目的初衷与2026年讨论得热火朝天的AI4AI，递归自我进化（RSI）等方向不谋而合。 Meta前研究总监田渊栋创立的Recursive着力探索AI递归自我改进的潜力，其首篇博客已经证明出Agent可以训练模型、优化GPU算子。 MSRA前副院长边江创立的XYZ AI Lab，也成功探索出一条通过运作数百个Agent完成Deep Research模型后训练的路径。 而PenguinHarness则是立志做最好用的开源Harness，让Agent自进化开箱即用，不再需要手动调优Agent。 它的第一项能力——让Agent自动构建另一个Agent。我们用一个最经典的案例对比PenguinHarness和OpenAI Codex的实际表现：「让AI生成一个RAG应用，实现分块检索，流式返回通俗易懂的答案，并带上引用」。 通过视频，我们可以清晰看出，PenguinHarness不仅花费比Codex更少的时间和低于数十倍的成本，还产出了几乎能直接落地的RAG Agent应用。 左边回答语言通顺，有流式输出，还有来源引用。而Codex的结果中英混杂，缺少流式输出。 过去，开发这样一套Agent应用需要框架选型、模型部署、接入工具、编写提示词、反复测试修改，每个应用都几乎从零开始，花费一个团队几个星期的精力。